Astra 修改小模型权重？MIT 那篇爆火研究，被大佬公开质疑了。

Astra 前两天刚刚凭借一项惊人能力刷屏 AI 圈——不用训练、不算梯度，直接修改另一个 AI 模型的权重。

MIT 团队宣称，Astra 仅修改 Qwen3.5-0.8B 的 0.016% 权重，就让数学成绩从 7.9% 暴涨至 48.1%，相当于提升到原来的 6 倍多。

如今，事情似乎出现了反转。

一位来头不小的圈内大佬发布长文博客，直接炮轰：

这项研究存在严重误导。

质疑者叫 Matthew Honnibal，spaCy 的作者、AI 公司 Explosion 的联合创始人。

魔术师戏法

这背后到底发生了什么？

Honnibal 用了一个很妙的比方，讽刺了 MIT 研究所做的事：障眼法。

舞台魔术师常常用多种方式来表演同一个戏法。

第一次，他可能用了一个特殊的道具；下一次，他会向你展示道具并无特殊，但他自己藏起了东西；第三次，可能又利用了某种强迫选择。

当你观看表演时，你会假设只有一种技术，所以每当魔术师表演一次，似乎都推翻了你对其工作原理的假设。

Honnibal 认为，Astra 这项研究的实验呈现，就酷似这样一场魔术。

回到 Paper，原文其实展示了三项不同的能力：

读权重：只看原始的权重数字，就能识别一个小型神经网络正在执行什么任务。

写权重：不依赖环境反馈，从零开始直接生成或修改小型网络的参数，让它能玩《打砖块》之类的小游戏。

修复大模型：通过修改 Qwen 的部分权重，大幅提高其数学测试表现。

但这篇论文摘要给人的核心印象却是——

Astra「仅通过观察原始权重」，就能理解并修改另一个模型。

如果只是一眼扫过，很难不让人理解为：

无论是识别一个小型网络的功能，还是修复一个大语言模型的数学能力，都源于同一种「读脑」神技。

但，这是真的吗？

Honnibal 仔细梳理了论文中的 8 组实验后发现：实现这三件事的实验条件，天差地别。

也就是说——

纯纯是在偷换概念。

两种技术路径

到底是露出了怎样的小鸡脚（bushi）？

首先，在识别小型网络任务、修复一个卡住的赛车模型等实验中，Astra 确实做到了「只看原始权重」。

因为实验条件非常苛刻：

直接将权重数字（raw floats）作为输入，放进 Astra 的上下文。

不允许 Astra 运行 Python 代码。

不允许 Astra 执行目标网络来观察其行为。

在这种模式下，Astra 处理的模型参数规模都非常小，在1.7 万到 17.2 万之间。这确实很了不起，但距离真正理解一个现代大语言模型，还有很长的路。

但到了最引人注目、也最令人振奋的 Qwen 数学能力修复实验，就完全不是这么回事儿了。

在修复 8 亿参数的 Qwen 模型时，Astra并没有直接读取原始权重。

取而代之的是，Astra 被授权使用 Python 编程，并且最多可以进行 50 次前向测试。每次允许模型处理一批练习题，通过观察模型的表现来分析和修改权重。

这根本是两码事。。。

Honnibal 一针见血地指出，将这两种方法打包在一起，很容易让读者误以为：

噢，那种在小模型上实现的「读脑术」，同样可以规模化地应用在 8 亿参数的大模型上。

但事实是，在处理真正的大语言模型时，Astra 更像一个「场外教练」，需要通过编程、运行、观察等一系列工程手段来介入。

真正的价值

那么，这是否意味着 MIT 的研究毫无价值？

当然不是。

必须承认，即使剥离了「读心术」的光环，Astra 所展现的能力依旧非常了不起。

Honnibal 也坦言，让一个 AI 模型被提示去设计并执行人类机器学习工程师才能完成的任务——编写代码片段来分析甚至直接修改网络权重——这本身就是一个巨大的进步。

一两年前的 AI 模型，在所有这些任务上都会失败。

这说明，今天的顶尖大模型，已经具备了相当复杂的工具使用和推理能力，能够作为一个「AI 工程师」来诊断和修复其他模型。这本身就是一项值得关注的工程突破。

真正的问题，在于成果的呈现方式。

将两种截然不同的能力，模糊地包装成一种统一的、能够读写 AI 大脑的「超能力」。

说实话，乍一听还以为是 A 社做的事。。。

也侧面反映了如今 AI 圈的 Hype 狂潮吧。

原文：https://honnibal.dev/blog/astra-read-write-misleading

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见